🎯 Título: Un modelo para predecir el riesgo de lesión de menisco
📌 En breve: Un modelo que combina cinco áreas de riesgo predijo con buena precisión qué atletas amateur sufrirían una lesión de menisco, y generó un puntaje de riesgo individual.
🔬 Puntos clave:
### El estudio
620 atletas amateur de 15 a 50 años fueron seguidos durante 24 a 36 meses. Al inicio se evaluaron cinco áreas: morfología ósea y del menisco, biomecánica funcional, carga de entrenamiento y exposición deportiva, factores biológicos/de estilo de vida, y síntomas subjetivos.
### Qué encontraron
Durante el seguimiento, 92 atletas (14,8%) sufrieron una lesión de menisco. El modelo final retuvo siete predictores independientes y mostró buena capacidad de discriminación y calibración. Con estos datos se creó el «Índice de Riesgo de Lesión Meniscal», que clasifica a los atletas en cuatro categorías de riesgo creciente.
### Para qué sirve
El objetivo es pasar de estrategias reactivas (basadas en un solo factor) a un enfoque de prevención personalizado según el perfil de riesgo individual de cada atleta.
🎯 Aplicación clínica para LATAM: Clínicas de medicina deportiva de la región podrían adaptar este tipo de evaluación multidominio para identificar atletas amateur de mayor riesgo de lesión de menisco y priorizar la prevención.
⚠ Limitaciones: El modelo fue validado internamente (en la misma cohorte que lo generó), por lo que necesita validación externa en otras poblaciones antes de un uso clínico amplio (nivel de evidencia II-III).
Background
Meniscal injuries are common among amateur athletes and are a major cause of knee dysfunction and long-term joint degeneration. Current strategies for identifying athletes at risk rely mainly on isolated structural or functional factors and remain largely reactive. An integrative predictive approach combining multiple risk domains to guide individualized prevention is lacking.
Purpose
To develop and internally validate a multidomain predictive model for meniscal injury in amateur athletes and to derive a personalized prevention algorithm based on individual risk profiles.
Methods
A combined prospective-retrospective cohort study included 620 amateur athletes aged 15-50 years, followed for 24-36 months. Baseline assessment integrated five domains: osseous and meniscal morphology, functional biomechanics, training load and sport exposure, biological and lifestyle factors, and subjective symptoms. Predictor selection was performed using least absolute shrinkage and selection operator regression, followed by multivariable logistic regression. Model performance was evaluated using the area under the receiver operating characteristic curve, calibration analysis, and Decision Curve Analysis. A clinically interpretable risk score, the Meniscal Injury Risk Index, was derived to stratify athletes and guide prevention strategies.
Results
During follow-up, 92 athletes (14.8%) sustained a meniscal injury. Seven independent predictors were retained. The model demonstrated strong discrimination, excellent calibration, and consistent net clinical benefit. The risk score stratified athletes into four categories with progressively increasing injury incidence.
Conclusion
This multidomain model accurately identifies amateur athletes at risk for meniscal injury and provides a practical framework for personalized, risk-based prevention.
Level of evidence
II-III.
Study design
Prognostic cohort study.
Cómo citar:
Urresta FE, Peñaherrera-Carrillo C, Castro AB. (2026).
Integrated multidomain model for predicting meniscal injury in amateur athletes: Development of a personalized prevention algorithm.. The Knee.
DOI: 10.1016/j.knee.2026.104578 ↗ PMID: 42508183 ↗ Acceso al paper: Ver completo ↗
